解釋神經網絡輸出

對於分類問題，通常如何確定網絡的輸出？解釋神經網絡輸出

假設有三個可能的類，每個類都有一個數字標識符，合理的解決方案是對輸出進行求和並將該和作爲網絡的總輸出？或者你會拿出網絡輸出的平均值？

關於ANN理論有很多信息，但沒有太多關於應用的信息，但是如果這是一個愚蠢的問題，我會支持。

2013-02-15 Jack H

對於具有3類的多層感知器分類器，通常構造具有3個輸出的網絡並訓練網絡，使得（1,0,0）是第一類的目標輸出，（0,1， 0）爲第二類，（0,0,1）爲第三類。爲了分類新的觀察結果，通常選擇具有最大值的輸出（例如，（0.12,0.56,0.87）將被歸類爲第3類）。

來源

2013-02-15 18:47:47 bogatron

感謝您的答覆。一個新的觀察結果到底是什麼意思？謝謝。 – 2013-02-15 18:57:57

未用於訓練網絡的觀察結果。 – bogatron 2013-02-15 18:58:36

啊，我明白了，謝謝。 – 2013-02-15 19:00:40

我主要贊同bogatron，並且你會在這裏找到很多關於神經網絡這種「多類分類」的建議。

關於您的標題，我想補充一點，您可以將該輸出解釋爲概率，因爲我努力爲此找到理論基礎。繼續我將討論在輸出層中有3個神經元的神經網絡，爲相應的類指示1。由於訓練中所有三個輸出的總和總是1，所以神經網絡也將給出前饋輸出的總和爲1（相當於（0.12 0.36 0.52）（比例如bogatrons））然後你可以將這些數字解釋爲相應輸入屬於1/2/3類（概率爲0.52，屬於類3）的概率）。

使用logistic函數或tanh作爲激活函數時，這是正確的。

來源

2013-02-15 21:51:22 fanfabbb

只是爲了澄清關於我使用的示例輸出 - 一般來說，除非在輸出層中執行了標準化（我沒有做出這個假設），否則網絡輸出不會加到一。如果他們是正常化的，那麼正如你所說的那樣，輸出可以被解釋爲概率。關於@ VisionIncision關於產出總和/均值的問題，如果產出被歸一化，那麼總和和平均值將沒有意義（總和將總是1，平均值總是1/3）。 – bogatron 2013-02-15 22:07:24

規範化的東西也是有道理的，但在某個地方我有這樣的想法，它是一個經過訓練的神經網絡固有的，因爲在人工神經網絡中學習總是1 [0,0,1]/[1,0,0 ]等等。另一方面，爲什麼NN_not_不知道輸出總和總是1？ – fanfabbb 2013-02-16 08:21:58

你通常訓練網絡的目標是訓練的全部零點和一個單一的輸出（對應於正確的類），但是錯誤不能總是減少到零（即使可以，總是希望它，因爲你可能會過度適應你的解決方案）。還回想一下，邏輯函數（也稱爲sigmoid）在負和正無窮大處僅具有0或1的輸出，這在實踐中是我們永遠不會看到的。 – bogatron 2013-02-16 14:07:21

解釋神經網絡輸出

回答

相關問題